目前,在國內航空市場(chǎng)上,絕大部分服務(wù)是免費的,航企正在逐步尋求服務(wù)收費的方法。然而,現階段的付費服務(wù)還不“叫座”,只有找到旅客最想要的服務(wù),才是訴求。
正視數據,運用數據,航企大數據商業(yè)化的核心在于通過(guò)針對不同的旅客群體,制定不同的營(yíng)銷(xiāo)和服務(wù)的策略。大數據能幫助航企實(shí)現經(jīng)營(yíng)模式的轉型。
“大數據”不是“大數據庫”
當前,國內航空公司的數據“倉庫”,還僅僅是個(gè)“大數據庫”,而不是“大數據”。數據項目多,存放和管理很零亂,未能實(shí)現不同部門(mén)之間的數據共享,也很難使大數據整理分析的結論在公司層面廣泛應用。例如,航空公司每天銷(xiāo)售的機票數量和票價(jià)金額數據,是提供給財務(wù)結算系統的基礎數據,很少有航空公司想到利用這些數據來(lái)分析自己的遠期航班上旅客訂座的趨勢,以及代理商銷(xiāo)售數量的變化波動(dòng),從而指導自己的銷(xiāo)售人員進(jìn)行市場(chǎng)促銷(xiāo)的行為。
其實(shí),航空公司是最容易實(shí)現大數據應用的企業(yè)。因為它的日常生產(chǎn)運行對于業(yè)務(wù)流程和時(shí)間配合的精確度要求非常高,航空公司也往往引進(jìn)和開(kāi)發(fā)了一系列的計算機系統來(lái)介入生產(chǎn)運行的各個(gè)環(huán)節,由此給航空公司提供了大量的數據記錄。
此外,由于數據“倉庫”里面存放的數據太多,所以在使用之前,IT工程師往往會(huì )做一些數據清洗的工作,通過(guò)數據之間的關(guān)聯(lián)性進(jìn)行修正,最終提供給用戶(hù)的是經(jīng)過(guò)整理和修改提煉之后的數據。
例如,航空公司在統計機場(chǎng)臨時(shí)升艙的旅客數據時(shí),會(huì )發(fā)現有些旅客先退票后買(mǎi)票的數據。這其實(shí)是一線(xiàn)售票人員為了節省時(shí)間,直接辦理了旅客的經(jīng)濟艙客票退票,再賣(mài)給旅客一張頭等艙機票。結果一個(gè)標準的旅客升艙的操作就變成了旅客退票再重新購票的操作。一般經(jīng)過(guò)數據清洗之后,按照離港數據為準的原則,會(huì )除掉這部分旅客升艙的數據,最后這些旅客都變成了機場(chǎng)臨時(shí)購票的旅客。這樣的數據清洗修改了市場(chǎng)現實(shí):旅客的意愿是升艙而不是臨時(shí)購票,在統計臨時(shí)購票的旅客數量時(shí)會(huì )產(chǎn)生錯誤,忽略了旅客升艙的需求,而夸大了機場(chǎng)臨時(shí)購票的需求。
讓數據充分展示市場(chǎng)現實(shí)
大數據的應用,我們不應該去問(wèn)“為什么”,而是讓數據告訴我們“是什么”。大數據的特性,應該是完整性、混雜性和相關(guān)性的集合。
完整性,指的是大數據使用的是全體數據,而不是隨機的樣本數據。大數據的混雜性,在收集和分析大數據時(shí),不需要片面追求數據的精確性,而是可以把混雜的數據放在一起。例如,某些航空公司最早開(kāi)始統計通過(guò)樞紐中轉的旅客(O&D旅客)數量時(shí),采用行業(yè)的標準統計規則:旅客多個(gè)航段的行程均在同一條訂座記錄中,在中轉機場(chǎng)的停留時(shí)間不超過(guò)4個(gè)小時(shí)屬于中轉。經(jīng)過(guò)這樣的統計歸類(lèi),國內航空公司在自己的基地城市承運的中轉旅客占所有出港旅客的比例不會(huì )超過(guò)5%。后來(lái),隨著(zhù)數據記錄的數量越來(lái)越多,記錄項目也越來(lái)越詳細,航空公司開(kāi)始采用旅客證件號碼進(jìn)行匹配,不再要求旅客行程都在同一條記錄之內,并且把中轉地的停留時(shí)間增加到24個(gè)小時(shí)。這樣統計到的中轉旅客量比之前增加了5倍,對這些旅客的需求行為分析得到的結論也更加準確。
而且,當航空公司收集到的相關(guān)數據越來(lái)越多,比方說(shuō)從鐵路部門(mén)獲取到乘坐高鐵的旅客信息,從旅行社獲取到乘坐大巴的旅客信息,再把這些混雜的數據放在一起時(shí),反而可以得到一個(gè)更加完整和全面的中轉旅客數據庫,尤其對于航空公司的樞紐建設和中轉產(chǎn)品設計具有幫助。
大數據的相關(guān)性,則可以采用“他山之石,可以攻玉”的方法來(lái)推導結論。以航空公司的樞紐建設為例,某航空公司想通過(guò)贈送周邊城鎮到樞紐機場(chǎng)的大巴車(chē)票的方式吸引旅客,但是無(wú)法測算有多少旅客將享受到這類(lèi)免費車(chē)票,很難統計這項產(chǎn)品將要付出的成本以及能夠吸引到的旅客數量。后來(lái)在一次宣傳活動(dòng)中,他們從當地工商局獲知,想進(jìn)行促銷(xiāo)的小城鎮在樞紐城市中設有一個(gè)商會(huì ),商會(huì )的會(huì )員涵蓋了這個(gè)城鎮中80%的企業(yè)家,這個(gè)商會(huì )已經(jīng)開(kāi)始定期統計會(huì )員企業(yè)的經(jīng)貿活動(dòng)和出行需求。所以,從那之后,樞紐城市里面各個(gè)城鎮商會(huì )的辦事處成為了該航空公司市場(chǎng)人員定期走訪(fǎng)的客戶(hù)群體。利用這些商會(huì )會(huì )員的出行需求,航空公司就可以推論出“機票+車(chē)票”產(chǎn)品的需求數量。
用數據找到愿意付費的旅客
大數據的核心就在于海量的數據,凡是可以收集到的數據都應該進(jìn)行統計分析。例如,航空公司在候機樓內只會(huì )統計進(jìn)入貴賓休息室的旅客數量,而從來(lái)不去考慮統計進(jìn)入吸煙室的旅客數量、兒童游樂(lè )區的兒童數量、乘坐擺渡電瓶車(chē)的旅客數量。其實(shí)這些數據對于航空公司的市場(chǎng)營(yíng)銷(xiāo)都有意義:吸煙旅客多,說(shuō)明旅客對于超過(guò)2小時(shí)以上的航程忍耐度比較差,在飛行過(guò)程中容易煩躁;兒童旅客多,客艙的環(huán)境就會(huì )嘈雜,乘務(wù)員服務(wù)的難度就會(huì )提升;乘坐電瓶車(chē)的旅客多,反映出登機口距離安檢口的距離比較遠,或者是旅客到達機場(chǎng)的時(shí)間比較晚,這種情況可以通過(guò)優(yōu)化不同航班之間的停機位加以改善。
數據的重復使用才能夠發(fā)揮其潛在價(jià)值。例如航空公司不正常航班的旅客數據,在發(fā)生航班延誤之后,這些數據被傳遞給呼叫中心、地面服務(wù)、乘務(wù)、配餐等部門(mén),為旅客提供延誤通知、后續改簽、服務(wù)變更等一系列保障工作。之后,隨著(zhù)旅客最終成行,這些數據也就只剩下匯總的統計數據停留在經(jīng)營(yíng)報表之上,具體的旅客信息數據則不再有人使用。
然而,通過(guò)對已經(jīng)發(fā)生過(guò)的受到航班延誤影響的旅客數據進(jìn)行分析,設計航班延誤險的保險公司可以推算出提供多少金額的保單更加合適,航空公司可以測算付出多少成本為旅客購買(mǎi)保險更有價(jià)值。而專(zhuān)門(mén)針對受到延誤困擾次數最多的旅客提供一些補償服務(wù),可以挽留旅客,提高他們對航空公司的品牌忠誠度,甚至航空公司還可以通過(guò)第三方公司公布的一些數據來(lái)獲取商業(yè)價(jià)值。
大部分國外航空公司把資源投放在客戶(hù)關(guān)系管理上,力求實(shí)現高端旅客的價(jià)值提升。然而,對于國內航空公司而言,提高旅客的滿(mǎn)意度才應該是首要的方向。這是因為很多國外的旅客服務(wù)已經(jīng)是收費的項目,尋找愿意支付高票價(jià)的高價(jià)值旅客,才是航空公司爭奪的關(guān)鍵點(diǎn)。而在國內,絕大部分服務(wù)是免費的,航空公司正在逐步尋求服務(wù)收費的方法,找到旅客最想要的服務(wù)。
針對國內航空公司的大數據應用,首先應該是拓展旅客服務(wù),提高旅客的滿(mǎn)意度。因此,航空公司去測算和衡量是否需要投放更多的服務(wù)資源來(lái)提升旅客滿(mǎn)意度。
從上世紀90年代的投影電視,到現在的液晶屏、手持平板電腦等,機上的娛樂(lè )設備已經(jīng)歷多次更新?lián)Q代,可旅客對其的投訴率仍然較高。這是因為旅客的構成和偏好也發(fā)生了變化,年輕人已經(jīng)從對電視的癡迷轉移到了互聯(lián)網(wǎng)。從蘋(píng)果公司IOS平臺和安卓平臺上獲取的分析數據,對航空公司會(huì )更有幫助。
同時(shí),航空公司可以借助大數據分析,實(shí)現精準營(yíng)銷(xiāo)。每年飛行次數最多的高頻旅客群體,他們的購票行為特點(diǎn)非常鮮明,喜歡選擇固定的渠道購票,購票時(shí)間距離出行的時(shí)間很接近,一般不提前購票,也很少提前辦理值機手續,這些旅客中的絕大部分經(jīng)常選擇在起飛前最后30分鐘才辦理值機手續。這些旅客不在乎機票價(jià)格,更在意節省時(shí)間,為他們提供“易登機”的產(chǎn)品更能滿(mǎn)足其需要。
不過(guò),對于航空公司,涉及旅客隱私信息的數據,都應該是使用中的禁區;而數據結論也應該被禁止精確定位到單一旅客的信息。